llm-council — стресс-тест идей и кода
Обычное общение с Claude, GPT или Gemini часто приводит к эффекту «поддакивания». AI стремится избежать конфликтов и соглашается с пользователем вместо того, чтобы дать честную критику. Для бизнеса это риск: нейросеть может подтвердить ошибочную гипотезу и пропустить фатальные недоработки в проекте.
Чтобы решить эту проблему, Andrej Karpathy создал систему llm-council. С помощью OpenRouter она запускает параллельную проверку в нескольких моделях. Чтобы избежать копирования ответов более известных систем вроде GPT-4, процесс разбили на три этапа:
- Первые мнения: модели отвечают независимо друг от друга.
- Анонимный разбор: AI оценивают ответы (под буквами A, B, C...), не зная их авторов.
- Итог от председателя: финальная модель собирает лучшие аргументы. Она может пойти против большинства, если один из ответов оказался самым глубоким.
Разработчик @tenfoldmarc адаптировал эту логику для Claude Code. Теперь вместо нескольких моделей работают пять виртуальных агентов с разными стилями мышления:
- Скептик: ищет слабые места и задает неудобные вопросы.
- Фундаменталист: копает до сути, чтобы проверить правильность самого вопроса.
- Оптимист: ищет скрытые возможности и точки роста.
- Взгляд со стороны: убирает контекст, чтобы найти слепые зоны и непонятный сленг.
- Прагматик: превращает теорию в конкретный список задач.
Установить llm-council-skill можно через GitHub, клонировав репозиторий в папку .claude/skills/. Система запускается командами "council this" или "pressure-test this." AI изучает файлы проекта (например, CLAUDE.md) и за несколько минут выдает подробный отчет.
Пример из практики: при разработке приложения с аниме-обоями «совет» быстро выявил критическую проблему — iOS запрещает программно менять обои экрана блокировки. Это сэкономило разработчику 2–3 недели бесполезной работы над MVP.
Дополнительный анализ показал, что ниша переполнена гигантами вроде Zedge, HiPaper и Walli, поэтому система предложила стратегию "builder-in-public" для привлечения трафика. Такой подход идеален для проверки моделей монетизации и технической архитектуры, где цена ошибки слишком высока.
Ранее по теме
Локальные LLM — приватность и отказ от подписок
Больше новостей в нашем Телеграм. Подпишись!
Ссылка на источник тык.
